中国科研团队尝试让AI系统主导眼科诊所运营。实验表明，高质数据与流程优化比单纯算法更关键，AI应用需注重实际临床价值。
人工智能在医疗领域的应用正掀起波澜。近期，由北京视觉科学与转化眼科研究所领衔的团队在中国进行了一项全新尝试，他们设立了一所名为AI-TEC的眼科诊所，让AI系统在人类医生的监督下贯穿诊疗全流程。与以往仅将算法作为辅助工具的做法不同，这所诊所从底层重构了工作流，将AI接入从预诊、检查到随访的各个环节。
这项发表在Nature Medicine上的研究展示了AI重塑医疗的潜力与挑战。诊所刚运行的时候，AI在识别青光眼和年龄相关性黄斑变性等眼疾时的准确率并不理想。然而，当资深眼科医生为系统补充了1426张经过精准标注的高质量眼底扫描图像后，AI的诊断水平迎来了飞跃。相比最初包含近27000张但质量参差不齐的初始数据集，这批精选数据展现出显著优势。更新数据后，AI的AUROC诊断准确率评分超过了0.93，达到了目前主流先进诊疗系统的同等水平。
然而，技术指标的提升并不意味着临床使用的顺畅。研究团队发现，医护人员对AI系统的使用率呈现出先高后低的曲线。在诊所运行5个月后的一项抽样统计中，当月1113次检查里仅有41次使用了AI系统，使用率低至3.8%。调查原因后，研究人员对系统进行了交互优化，减少了点击次数与繁琐的手工输入。随后的一个月里，1126次检查中AI的使用次数迅速反弹至259次，使用率回升到23%。
这一现象揭示了AI医疗落地的核心壁垒。研究人员指出，构建AI原生医疗系统是一项复杂的生态工程，其成败并不取决于单一算法的得分，而取决于数据质量、临床交互效率、医生参与度以及严密的监管体系。同时，临床医生的即时反馈对于AI模型的持续迭代至关重要。
此外，AI与医生在思维方式上的差异依然存在。AI更倾向于根据图像直接给出“是否患病”的结论，而医生则是从患者主诉的“视物模糊”等症状入手循序渐进。实验表明，高分算法并不等同于优质医疗，未来的评估标准应当看其能否真正改善诊疗流程和患者健康。
原文：https://www.sciencealert.com/china-just-let-ai-run-an-eye-clinic-heres-what-happened